【摘要】：云計算是近年來最為流行的商業(yè)計算服務(wù)模式,可以為用戶提供像使用水電一樣便利的計算服務(wù)。云計算的數(shù)據(jù)中心由規(guī)模龐大的廉價服務(wù)器組成,通過虛擬化技術(shù)實現(xiàn)資源共享,將一個物理機(jī)虛擬化出多臺虛擬機(jī),從而提高服務(wù)器的利用效率。面對海量的用戶增長和數(shù)據(jù)增長,云計算數(shù)據(jù)中心的規(guī)模也越來越大,如何在滿足用戶QoS需求的同時有效協(xié)調(diào)云計算資源,實現(xiàn)各項資源的合理配置,顯得尤為重要。本文重點剖析了基于粒子群算法的云計算資源調(diào)度算法,在粒子群算法的基礎(chǔ)上,引入禁忌搜索思想,將改進(jìn)的粒子群算法應(yīng)用于云計算的資源調(diào)度問題中。作為一種仿生算法,粒子群算法來自于對自然界中鳥群捕食行為的模仿,在尋優(yōu)過程中可以很好地共享種群的信息,因此搜索效率很高,而且粒子群算法的參數(shù)較少,相對其他啟發(fā)式算法實現(xiàn)起來要容易一些。粒子群算法最初被設(shè)計用來解決連續(xù)問題,之后由于其出色的性能,被眾多科學(xué)家擴(kuò)展應(yīng)用到了離散問題求解領(lǐng)域,尤其在解決NP問題領(lǐng)域大放異彩。在云計算環(huán)境下的大規(guī)模集群的資源調(diào)度問題中,粒子群算法有很好的性能。然而,粒子群算法不是萬能的,粒子群算法在搜索最優(yōu)解時,可能會出現(xiàn)“早熟”現(xiàn)象�！霸缡臁爆F(xiàn)象是指算法過早地陷入到一個局部極值解,不能跳出,從而最終得到的不是全局最優(yōu)解。禁忌搜索算法模擬了人類智力發(fā)展的過程,封鎖最近的搜索區(qū)域,引導(dǎo)搜索離開局部極值解。本文在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上加以改進(jìn),在初始化時引入評判環(huán)節(jié),使初始種群盡量均勻分布在解空間內(nèi);引入了“早熟”問題的判斷和處理方案,在判定搜索陷入“早熟”后,使用了 ARPSO算法的Repulsion操作來使種群跳出局部極值解;引入禁忌搜索的思想,封鎖最近幾次搜尋的最優(yōu)解,逐步引導(dǎo)種群跳出局部極值解,解決“早熟”問題。本文將改進(jìn)的粒子群算法應(yīng)用于云計算的資源調(diào)度中,通過Cloudsim仿真平臺,對其性能進(jìn)行測試分析,并與標(biāo)準(zhǔn)粒子群算法比較優(yōu)劣情況,實驗證明調(diào)度效率比標(biāo)準(zhǔn)粒子群算法有所提高。
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;TP308
【圖文】：

一般情況下而言，云計算可以劃分為基礎(chǔ)設(shè)施服務(wù)層、平臺服務(wù)層、應(yīng)用程序服務(wù)層三逡逑個層次，市場進(jìn)入條件也從高到低。目前供應(yīng)商在為用戶提供云計算服務(wù)時，也會根據(jù)用戶逡逑的需求為其提供不同層次的云計算服務(wù)，從圖２－１中可以看出，不同層次的云計算服務(wù)所提逡逑供的服務(wù)內(nèi)容并不相同。逡逑應(yīng)Ｗｇ／ｍ！，：邐？爺于互聯(lián)Ｍ向敗廣提供服備、按

本文編號：2744024